Tworzenie szeregu czasowego danych o jakości powietrza

Na filmie pokazaliśmy, jak radzić sobie z datami, które nie mają właściwego formatu i są przechowywane jako typ string, widoczny w pandas jako dtype object.

Przygotowaliśmy dla ciebie zbiór danych dotyczących jakości powietrza (ozon, PM2,5 i tlenek węgla dla Nowego Jorku w latach 2000–2017), abyś mógł ćwiczyć użycie pd.to_datetime().

To ćwiczenie jest częścią kursu

Manipulowanie danymi szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Biblioteki pandas (jako pd) i matplotlib.pyplot (jako plt) są już zaimportowane, a dane o jakości powietrza zostały wczytane do zmiennej data jako DataFrame.

Zbadaj obiekt data za pomocą .info().
Użyj pd.to_datetime, aby przekonwertować kolumnę 'date' na typ datetime64.
Ustaw kolumnę 'date' jako indeks.
Sprawdź wprowadzone zmiany, wywołując ponownie .info() na obiekcie data.
Wykreśl dane z obiektu data, używając parametru subplots=True.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

data = pd.read_csv('nyc.csv')

# Inspect data
print(____)

# Convert the date column to datetime64


# Set date column as index


# Inspect data 
print(____)

# Plot data

Edytuj i uruchom kod